Wat je moet weten
- Google Research en Everyday Robots slaan de handen ineen om het nieuwe robotica-algoritme PaLm-SayCan te ontwikkelen.
- De nieuwe inspanningen moeten robots helpen om mensen beter te begrijpen door middel van taal via spraak of tekst.
- De bedrijven gebruiken ook "chain of thought prompting" om robots te helpen een taak te begrijpen en de hulpmiddelen om deze te voltooien.
Google Research en Everyday Robots werken samen om robots te helpen ons beter te begrijpen en met ons te communiceren via taal.
Zowel Google Research als Everyday Robots hebben hun krachten gebundeld om te creëren PaLm-SayCan, een gezamenlijke inspanning waarbij gebruik wordt gemaakt van het Pathways Language Model (PaLm) van Google en een hulprobot van Everyday Robots.
Google zegt deze inspanning "is de eerste implementatie die een grootschalig taalmodel gebruikt om plannen te maken voor een echte robot." Het nieuwe project zou moeten helpen mensen communiceren beter met robots via spraak of tekst en laten de robots complexe taken uitvoeren met een beter begrip van taal.
Wat betreft taalgebruik hopen Google en Everyday Robots dat het PaLm-SayCan-algoritme robots kan helpen een meer natuurlijke interactie met mensen aan te gaan. Google gaat zijn taalonderzoek vooraf door te zeggen dat menselijke interacties, zelfs de eenvoudigste, behoorlijk complex zijn. De bedrijven hopen dat robots door het PaLm-taalmodel te gebruiken, open prompts beter kunnen invullen en begrijpen.
Volgens het onderzoek zag PaLm een verbetering van 14% in het helpen van een robot bij het redelijk plannen en benaderen van een taak ten opzichte van andere modellen. Er was ook een verbetering van het slagingspercentage van 13% bij het uitvoeren van taken en een verbetering van 26% voor robots wanneer ze een langdurige taak moesten voltooien, zoals taken die uit acht stappen of meer bestaan.
Google blijft uitleggen hoe zijn nieuwe onderzoeksinspanningen robots helpen onze wereld te begrijpen. PaLm en " gebruikengedachtegang aanzetten," zou een robot in staat moeten zijn om op een prompt te letten en te onderscheiden wat de persoon echt wil. Het gegeven voorbeeld is: "Breng me een snack en iets om het mee weg te spoelen." Met behulp van de gedachtegang kan een robot dat wel begrijpen wat een geschikte snack kan zijn en ook dat een persoon iets wil drinken als ze zeggen: "iets om het weg te spoelen met."
Het aarden van AI in de echte wereld is volgens Google Research cruciaal voor het ontwikkelingsproces. Het hoopt het taalmodel en de mogelijkheden van een robot te gebruiken om het te helpen begrijpen wat er moet gebeuren om een taak te voltooien. Google legt uit dat PaLm mogelijke methoden zal voorstellen om een taak uit te voeren, en dat het robotmodel hetzelfde zal doen op basis van de capaciteiten van de robot. Het ideale doel is dat beiden samenwerken om op de best mogelijke manier een doel te bereiken.
Google poetst dingen op door de veiligheidsmaatregelen te vermelden die zijn getroffen voor zijn robots die PaLm-SayCan gebruiken. Het algoritme beperkt zich tot commando's die de veiligheid van de robot in het achterhoofd houden en ook dingen in de gaten houden "zeer interpreteerbaar." Google zegt dat dit het mogelijk maakt om elke beslissing van de robot te onderzoeken en te begrijpen heeft gemaakt.
Hoewel Google geen plannen heeft onthuld voor zijn eigen robothelper voor consumenten, zou het cool zijn om te zien dat het bedrijf zijn eigen versie van Amazon's bouwt en lanceert. Astro-robot.